Digitaalisen analytiikan alkumetreillä

Kuten millä tahansa toimialalla, myös media-alalla halutaan seurata työn tuloksellisuutta.

Journalismissa tämä tarkoittaa muun muassa sitä, kiinnostavatko tehdyt jutut lukijoita vai eivät.

Ennen digiaikaa asiaa oli hankala mitata. Vuonna 1959 perustettu aikakauslehti Hymy oli aikoinaan ensimmäinen kotimainen julkaisu, joka säännöllisesti seurasi kansiaiheidensa ja irtonumeromyynnin välistä suhdetta (Pietilä 2007, 86). Lisäksi lehdistössä tehtiin lukijatut-kimuksia, televisiossa katsojatutkimuksia ja radiossa kuulijatutkimuksia. Nämä antoivat suuntaviivoja yleisön mielenliikkeistä, mutta olivat tiedonhankintakeinoina hitaita ja kan-keita.

Uusi vuosituhat muutti kaiken. Kun journalismia alettiin laajamittaisesti tuottaa internetiin, mediat pääsivät käsiksi hyvin yksityiskohtaiseen lukijadataan. Verkkosivulla vierailija jättää itsestään varsin monipuolisia digitaalisia jalanjälkiä, joita on nykytekniikalla mahdollista seurata (Seppänen & Väliverronen 2013, 165).

Aluksi näistä jalanjäljistä kiinnostuivat uudet mediat, kuten BuzzFeed, Gawker ja The Huf-fington Post. Hiljalleen niitä alkoivat hyödyntää myös perinteisemmät uutisorganisaatiot kuten The Guardian, Financial Times ja BBC (Cherubini & Nielsen 2016, 9). Nykyään toi-mitukset jopa Suomen kokoisilla markkina-alueilla tutkivat yleisönsä mieltymyksiä tark-kaan ja säännöllisesti (Olkinuora 2012, 27).

Vielä 2000-luvun ensimmäisellä vuosikymmenellä yleisöanalytiikka oli alkeellista. Mediat tarkkailivat lähinnä verkkosivujensa kävijämääriä, ja niistä kertovat digitaaliset näyttötaulut alkoivat hiljalleen yleistyä toimituksissa (Vihma 2018, 120). Tämä auttoi medioita lyhyen aikavälin juttutuotannon optimoinnissa, mutta loi toisaalta joitakin lukijoita ärsyttävät klik-kiotsikot (Vihma ym. 2018, 120).

Hiljalleen kävi selväksi, että pelkkä kävijämäärien tarkkailu ei ollut useimmille medioille lii-ketaloudellisesti riittävää. Huomio alkoi kääntyä lukijoiden sitoutuneisuuteen (engl. enga-gement) ja sen kasvattamiseen. Sitoutuneisuudella tarkoitetaan erään määritelmän mu-kaan "yleisön tapoja kiinnittyä ja ottaa omakseen erilaisia mediasisältöjä" (Seppänen &

Väliverronen 2013, 137), mutta mitään yksiselitteistä mittaria asialle ei ole. Seppäsen ja Väliverrosen mukaan kyseessä on enemmänkin iskulause kuin konkreettinen käsite (2013, 137).

Tänä päivänä yleisöanalytiikkaa hyödynnetään maailman uutisorganisaatioissa varsin kir-javasti. Aihetta taannoin selvittäneiden Cherubinin ja Nielsenin mukaan (2016, 19) toimi-tusten käytännöt voidaan jakaa kolmeen luokkaan: alkeelliseen (engl. rudimentary), ge-neeriseen (engl. generic) ja toimitukselliseen (engl. editorial) analytiikkaan.

Cherubinin ja Nielsenin määrittely perustuu teoriaan, jonka mukaan toimituksen kyky hyö-dyntää analytiikkaa tehokkaasti vaatii kolmea asiaa. Nuo asiat ovat seuraavat:

1. Toimituksen käytössä tulee olla asianmukaiset yleisöanalytiikan työkalut.

2. Toimitusorganisaatiossa tulee olla selkeät tavoitteet ja työskentelytavat analytiikan käyttämiselle.

3. Toimituksessa tulee olla avoin työkulttuuri analytiikkaa kohtaan. (2016, 7.)

Analytiikan alkeelliset hyödyntäjät ovat Cherubinin ja Nielsenin mukaan useimmiten pieniä legacy medioita eli pitkään toimineita paikallisia tiedotusvälineitä tai manner-Euroopan

yleisradioita. Niille riittää helposti saatavilla olevan perusdatan, kuten sivuston kävijämää-rien, seuranta. Analytiikkaa alkeellisesti käyttävät toimitukset hyödyntävät Google Analy-ticsin ja Facebook Insightsin kaltaisia ilmaistyökaluja. Kulttuuria analytiikan johdonmukai-selle hyödyntämijohdonmukai-selle ei tällaisissa toimituksissa ole (2016, 19).

Geneeriseksi analytiikaksi Cherubini ja Nielsen mainitsevat käytännöt, jotka ovat yleisiä useimmilla länsimaisilla medioilla. Tällaisiin kuuluvat erityisesti toimituskäyttöön rakenne-tut erikoisohjelmat. Ne tarjoavat toimituksille reaaliaikaista, nimenomaan journalismin peisiin räätälöityä tietoa, joka on huomattavasti monipuolisempaa kuin ilmaisohjelmien tar-joama data (2016, 19).

Euroopassa suosituimpia geneerisiä analytiikkaohjelmia ovat Chartbeat, NewsWhip ja Parse.ly (Cherubini & Nielsen 2016, 24). Chartbeat on tästä kolmikosta tunnetuin ja suosi-tuin. Sen avulla toimitukset voivat muun muassa tarkastella, miten klikattuja jutut eri puo-lilla sivustoa ovat suhteessa toisiinsa. Ohjelma tarjoaa lisäksi mahdollisuuden testata, mikä eri otsikkovaihtoehdoista on artikkelille vetävin (Cherubini & Nielsen 2016, 25).

Parse.ly on samantyyppinen kuin Chartbeat. Reaaliaikaisen datan lisäksi se seuraa aiem-min julkaistujen artikkelien suosiota. Parse.lyn päänäkymä esittää myös mistä kävijät tule-vat, minne he sivustolta menevät, mitä sisältöjä sivustolla katsovat ja missä järjestyksessä kaikki tämä tapahtuu. (Cherubini & Nielsen 2016, 26.)

NewsWhip eroaa Parse.lystä ja Chartbeatista siinä, että se seuraa pääasiassa sosiaalisen median signaaleja: mistä somessa puhutaan ja mitä siellä jaetaan. Tätä työkalua käyttävät etenkin toimitukset, joiden on tärkeää pysyä jatkuvasti kärryillä polttavista puheenaiheista.

(Cherubini & Nielsen 2016, 27.)

Geneerisen analytiikan toimituksissa on siis edistyneitä työkaluja, mutta myös puutteita analytiikan hyödyntämisessä. Cherubinin ja Nielsenin mukaan geneerisesti analytiikkaa käyttävillä toimituksilla on vain vähän analytiikkaan liittyvää käytännön toimituskulttuuria.

Siksi yleisödataa ei kyetä hyödyntämään pitkän aikavälin päätöksenteossa, vaan ainoas-taan lyhyen tähtäimen ratkaisuissa. (2016, 19.)

Kaikkein pisimmällä analytiikan hyödyntämisessä ovat kansainvälisesti suuntautuneet yh-dysvaltalaiset ja brittiläiset mediat. Ne eivät turvaudu edellä lueteltuihin ohjelmiin, vaan ovat itse kehittäneet omat työkalunsa. (Cherubini & Nielsen, 7.) Tällaista toimitusorgani-saatiota palvelevaa räätälöintiä Cherubini ja Nielsen kutsuvat analytiikan korkeimmaksi ta-soksi, toimitukselliseksi analytiikaksi.

Hyvä esimerkki toimituksellisen analytiikan hyödyntäjästä on brittilehti The Guardian. Sen vuonna 2012 kehittämä Ophan on yksi maailman edistyksellisimmistä analytiikkatyöka-luista. Perinteisten analytiikkamääreiden (sivun näyttökerrat, somejaot, artikkelin parissa vietetty aika) lisäksi Ophan paljastaa, ovatko kävijät tulleet artikkeleiden pariin Guardianin omista somekanavista tai onko avattuja juttuja promotoitu eli mainostettu lehden etusi-vulla. (Cherubini & Nielsen 2016, 12–13.)

Pitkälle vietyjä työkaluja käytetään myös manner-Euroopassa. Saksalaisen Die Welt -leh-den analytiikkatyökalu pisteyttää jutut ja laittaa ne laatujärjestykseen. Laadun määre on yhdistelmä jutun klikkausmäärästä, sen parissa vietetystä ajasta, jutun videoiden avaus-määrästä, somejakojen määrästä ja jutun "bounce ratesta" eli siitä, miten hyvin juttu pitää lukijat sivustolla. (Cherubini & Nielsen 2016, 27–28.)

Sekä The Guardian että Die Welt ovat integroineet analytiikan osaksi toimituskulttuuriaan.

Kummassakin lehdessä analytiikka on mukana ohjaamassa niin päivittäistä uutistyötä kuin pitkän aikavälin strategista kehitystäkin. Nämä seikat – yhdistettynä haluun kehittää analy-tiikkaa jatkuvasti – ovat Cherubinin ja Nielsenin luokittelussa keskeisiä määreitä toimituk-selliselle analytiikalle. (2016, 9.)

Suomessa useimmat mediatalot ovat analytiikan käytössään geneerisiä. Pro gradussaan aihetta tutkineen Hanna Asikaisen mukaan ylivoimaisesti suosituin analytiikkatyökalu koti-maisissa toimituksissa on Chartbeat, joka oli vuonna 2018 käytössä viidessä eri konser-nissa (2018, 45). EzyInsights-nimistä työkalua käytti kaksi ja NewsWhipiä sekä Cxense-ohjelmaa kumpaakin yksi mediatalo. Vain kolmella valtakunnallisella konsernilla oli Asikai-sen selvitykAsikai-sen mukaan käytössään oma, juuri kyseiselle mediatalolle räätälöity analytiik-kaohjelmisto (2019, 46).

Eräs ikiomaan analytiikkaansa luottava suomalainen yhtiö on Yleisradio. Sen käytössä oleva Yle Dashboard on selaimessa toimiva työkalu, jota esimiehet ja toimittajat hyödyntä-vät arjessaan päivittäin. (Lätti & Suominen 3.4.2019.) Ylen itse kehittämä työkalu mittaa pitkälti samoja perusmetriikoita kuin The Guardianin Ophan, mutta niiden lisäksi se antaa arvion kussakin jutussa käyneiden verkkoselailijoiden ikä- ja sukupuolijakaumasta. (Lätti &

Suominen 3.4.2019.) Yle News Labin data-analyytikko Riikka Lätti kuvailee tämän olevan teknisesti mahdollista Yle Tunnus -tilien ansiosta:

Tunnuksen luoneet henkilöt ovat antaneet tiedon iästään ja sukupuolestaan Ylelle – ja käyttävät verkkosivujamme tunnuksilla kirjautuneena. Tiedämme, että he muodos-tavat kävijöistä vain osan, mutta algoritmimme laskee heidän pohjaltaan valistuneen arvion muistakin. (Lätti & Suominen 3.4.2019.)

Dashboardinsa lisäksi Yle hyödyntää yleisöanalytiikassaan Chartbeatia ja päivittäisiä pdf-sähköpostiraportteja (Lätti & Suominen 3.4.2019). Useisiin työkaluihin luottaa myös Hel-singin Sanomat, joka käyttää päivittäin Chartbeatia, sosiaalista mediaa analysoivaa CrowdTanglea ja omia teknisiä ratkaisujaan (Pullinen 24.4.2019). Tietty data lähetetään HS:n toimittajille päivittäin sähköpostitse, osa on esillä toimitusten ja deskien digitaalisilla näytöillä ja lähes kaikkeen dataan toimittajilla on vapaa pääsy verkkoselaimillaan. ”Keskei-sin mittari on uusien digitilausten määrä ja kehitys. Välitämme kuitenkin myös sivulatauk-sista, koska ilman uusia kävijöitä ei synny uusia tilauksiakaan”, Pullinen (24.4.2019) ker-too.

Nykyaikainen analytiikka on ollut osaltaan vaikuttamassa niin sanottujen mallilukijoiden yleistymiseen. Mallilukijoilla tarkoitetaan hypoteettisia lukijoiden prototyyppejä, joille jour-nalistisia tuotteita suunnataan. Perinteisesti mallilukijoita ovat hyödyntäneet aikakausleh-det, mutta vuonna 2012 trendi oli alkanut levitä muun muassa suomalaisiin sanomalehtiin (Blomqvist 2012). Yle on hyödyntänyt mallilukijoiden kaltaisia hypoteettisia kuluttajaryhmiä verkon uutispalvelunsa ja mobiilisovellustensa suunnittelussa, kertoo data-analyytikko Riikka Lätti:

On täysin kohderyhmäajattelua, että meillä on erikseen Yle Uutisvahti ja yle.fi -sovel-lukset. Ne tarjoavat kuluttajille käytännössä samoja sisältöjä, mutta eri paketeissa.

Uutisvahti on ”vakavampi” ja yle.fi-sovellus visuaalisempi sekä interaktiivisempi.

(Lätti & Suominen 3.4.2019.)

Toistaiseksi yhteisymmärrystä analytiikan optimaalisimmasta hyödyntämisestä journalis-min parissa ei ole. Vallalla on käsitys, jonka mukaan eri mittareilla on omat vahvuutensa ja heikkoutensa (Cherubini & Nielsen 2016, 36). Vuonna 2016 trendinä oli siirtyminen sivula-tausten ja uniikkien kävijöiden (verkkoselainten) laskemisesta kohti huomion ja sitouttami-sen mittaamista.

Parhaillaan mediatalot ympäri maailman satsaavat voimakkaasti yleisöanalytiikkansa ke-hittämiseen. Reuters Instituten muutaman vuoden takaisessa kyselyssä peräti 76 prosent-tia tavoitetuista media-alan johtajista totesi yleisödatan paremman hyödyntämisen olevan yhtiölleen erittäin tärkeää vuonna 2016. Vastaajia oli 25 eri maasta. (Cherubini & Nielsen 2016, 11.)

Suomalaista Journalistin analytiikkaopasta ylläpitävä Pekka Nykänen pitää selvänä, että yleisöanalytiikka ei tule tarjoamaan journalismille oikotietä onneen. Siitä on kuitenkin hä-nen mukaansa oikein käytettynä apua mohä-nen median arkeen.

Toimittaja tai toimitus päättää itse, kuinka paljon ottaa analytiikan suosituksista vaa-rin. Uutisvalinnat säilyvät toimittajilla, tuottajilla ja uutispäälliköillä. Analytiikka vain paljastaa, mitä nuo päätökset tuovat mukaan ja mikä hinta niillä on. (Nykänen 2017a.)